TabPFN EduLab - Etkileşimli Öğrenme

Çift-Dikkat (Dual-Attention) Röntgeni

TabPFN, transformer mimarisini kullanarak tabloları iki farklı dikkat (attention) mekanizmasıyla okur. Aşağıdaki tablodan bir hücreye tıklayarak modelin tabloyu o an nasıl "gördüğünü" inceleyin.

Dikkat Mekanizması:

Hasta ID	Yaş	Tansiyon	Kolesterol	Hastalık Riski (Hedef)

Lütfen tablodan bir hücre seçin

Modelin veri içindeki ilişkileri nasıl kurduğunu görmek için yukarıdaki tablodan herhangi bir özelliğe (Yaş, Tansiyon vb.) tıklayın.

Zaman Serisi Dönüştürücü (TabPFN-TS)

TabPFN-TS, zaman serisi tahminini karmaşık bir ağ mimarisi yerine tablosal bir regresyon problemine dönüştürür. Kendi sinyalinizi çizerek bu dönüşümün nasıl çalıştığını görün.

1. Sinyalinizi Çizin

Fare ile veya dokunarak kutu içine bir dalga çizin.

Özellik Çıkarım Formülü

D = 18 + 2k + D_z

Her bir zaman adımı, modelin anlayabilmesi için en az 28 sütunluk (D) bir satıra dönüştürülür.

Bekleniyor...

2. TabPFN'in Gördüğü Veri Yapısı

Zaman (t)	Hedef (Y)	Running Index	Takvim: sin(t)	Takvim: cos(t)	...	Kovaryat (Dz)

İnjektif Gömme (Injective Embedding): Model sadece sin(t) kullanmaz. Eğer öyle yapsaydı, bir dalganın çıkış ve iniş anlarındaki aynı değerleri karıştırabilirdi. Hem sinüs hem kosinüs çiftlerinin kullanılması, zamanı birim çember üzerinde kusursuz bir şekilde haritalandırır (faz bilgisini korur).